부가정보를 이용한 조건부 Fuzzy C-Regression Model 클러스터링 알고리즘 기반 RBFNN 모델 설계

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2020 한국지능시스템학회논문지 Vol.30 No.2

Fuzzy C-Regression Model(FCRM) 클러스터링은 Fuzzy C-Means(FCM) 클러스터링과는 다르게 각 클러스터의 중심을 직선으로 나타내는 방법이다. 데이터의 실제 출력값을 사용한다는 것이 FCRM 클러스터링의 약점으로 작용한다. 본 논문에서는, 실제 출력값을 사용하지 않기 위해 FCRM 클러스터링의 목적함수를 개선하였고, 개선된 FCRM 클러스터링에 부가정보가 추가된 조건부 FCRM 클러스터링 기반 방사형 기저함수 신경회로망(Radial Basis Function Neural Network, RBFNN) 모델을 설계한다. 조건부 FCRM 클러스터링의 부가정보는 데이터의 실제 출력과 FCRM 클러스터링 기반 RBFNN 모델의 출력 차이(오차)의 절댓값을 정규화한 값을 사용한다. 조건부 FCRM 클러스터링을 사용하여 구한 멤버쉽값 (소속정도)은 은닉층 노드의 출력값으로 이용된다. 은닉층과 출력층 사이의 연결가중치는 최소제곱 추정 (Least Square Estimation, LSE)을 사용하여 학습한다. 제안된 모델의 성능지수는 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 적용하여 평가한다. 조건부 FCRM 클러스터링 기반 RBFNN 모델은 다양한 모델의 성능과 비교해서 우수성을 보여준다. Unlike fuzzy c-means(FCM) clustering, fuzzy c-regression model(FCRM) clustering is a method that represents the center of each cluster as a line. The thing utilizing the actual value of the output data acts as a weakness of the FCRM clustering. In this paper, we improve the objective function of the FCRM clustering in order not to use the actual output value, and design a radial basis function neural network(RBFNN) model using conditional fuzzy c-regression model(CFCRM) clustering which added auxiliary information into the advanced FCRM clustering. The auxiliary information of CFCRM clustering uses a value, which normalizing absolute value of difference(error) of the actual output of the data and the output of the FCRM clustering-based RBFNN model. The membership grades(degree of belonging) obtained by using CFCRM clustering are exploited as the outputs of the nodes of hidden layer. The connection weights between hidden layer and output layer are trained with the aid of least square estimation(LSE). By applying root mean squared error (RMSE), the performance index of the proposed model is evaluated. CFCRM clustering-based RBFNN model shows the superiority when compared to the performance of the various models.

커널을 이용한 전역 클러스터링의 비선형화

허경용(Gyeong-Yong Heo),김성훈(Seong-Hoon Kim),우영운(Young-Woon Woo) 한국컴퓨터정보학회 2010 韓國컴퓨터情報學會論文誌 Vol.15 No.4

Fuzzy c-means(FCM)는 퍼지 집합을 응용한 간단하지만 효율적인 클러스터링 방법 중 하나이다. FCM은 여러 응용 분야에서 성공적으로 활용되어 왔지만, 초기화와 잡음에 민감하고 볼록한 형태의 클러스터들만 다룰 수 있는 문제점이 있다. 이 논문에서는 이러한 FCM의 문제점을 해결하기 위해 전역 클러스터링(global clustering) 기법과 커널 클러스터링(kernel clustering) 기법을 결합하여 새로운 비선형 클러스터링 기법인 커널 전역 FCM(kernel global fuzzy c-means, KG-FCM)을 제안한다. 전역 클러스터링은 클러스터링의 초기화를 위한 방법 중 하나로, 순차적으로 클러스터를 하나씩 추가함으로써 초기화에 민감한 FCM의 한계를 극복할 수 있도록 해준다. FCM의 잡음 민감성과 볼록한 클러스터들만 다룰 수 있는 한계를 극복하기 위한 방법은 여러 가지가 있으며 커널 클러스터링이 그 중 하나이다. 커널 클러스터링은 사용하는 커널을 바꿈으로써 쉽게 확장이 가능하므로 이 논문에서는 커널 클러스터링을 사용하였다. 두 방법을 결합함으로써 제안한 방법은 위에서 언급한 문제점들을 해결할 수 있으며, 이는 가상 및 실제 데이터를 이용한 실험 결과를 통해 확인할 수 있다. Fuzzy c-means (FCM) is a simple but efficient clustering algorithm using the concept of a fuzzy set that has been proved to be useful in many areas. There are, however, several well known problems with FCM, such as sensitivity to initialization, sensitivity to outliers, and limitation to convex clusters. In this paper, global fuzzy c-means (G-FCM) and kernel fuzzy c-means (K-FCM) are combined to form a non-linear variant of G-FCM, called kernel global fuzzy c-means (KG-FCM). G-FCM is a variant of FCM that uses an incremental seed selection method and is effective in alleviating sensitivity to initialization. There are several approaches to reduce the influence of noise and accommodate non-convex clusters, and K-FCM is one of them. K-FCM is used in this paper because it can easily be extended with different kernels. By combining G-FCM and K-FCM, KG-FCM can resolve the shortcomings mentioned above. The usefulness of the proposed method is demonstrated by experiments using artificial and real world data sets.

가변 그룹 벤치마킹 모형과 범주형 변수모형을 이용한 아시아 컨테이너항만의 클러스터링측정 및 추세분석에 관한 실증적 연구

박노경(Rokyung Park) 한국항만경제학회 2013 韓國港灣經濟學會誌 Vol.29 No.1

본 논문에서는 아시아 항만들 간의 클러스터링 추세를 분석하기 위해서 가변그룹벤치마킹모형과 범주형 변수모형에 대해서 이론적으로 설명하고, 아시아 38개 항만들의 9년간 자료를 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수), 1개의 산출요소(컨테이너화물처리량)를 이용하여 특정국가의 항만그룹 또는 특정항만을 대상으로 클러스터링 하는 방법을 실증적으로 보여 주고 분석하였다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 가변그룹벤치마킹모형에 의한 중국항만을 벤치마킹하는 경우의 클러스터링 추세분석을 측정한 결과를 보면, 상해항, 청도항, 닝보항의 클러스터링 역할이 커진 것으로 나타났다. 둘째, 컨테이너화물처리량을 중심으로 한 범주형 변수모형에 의한 클러스터링 추세분석 결과를 살펴보면 중국이외의 항에서는 싱가포르항, 키롱항, 두바이항, 카오슝항이 클러스터링의 중심항만들로 나타났다. 셋째, 아카바, 두바이, 홍콩, 상하이, 광저우, 닝보 항만들이 지역적으로 근접한 항만들끼리 클러스터링을 위해서 기본이 되는 효율적인 항만들로 나타났다. 넷째, 지역별 항만의 위치를 중심으로 한 범주형변수모형에 의한 클러스터링의 측정한 결과를 살펴보면, 두바이항과 코르파칸항, 홍콩항과 상하이항, 싱가포르항과 키롱항, 닝보항, 클러스터링의 중심항만이 되고 있는 추세를 보여 주었다. 전체적으로 보았을 때, 두바이항, 코르파칸항, 상하이항, 홍콩항, 닝보항, 싱가포르항 등이 아시아 항만들과 클러스터링을 해야만 하는 항만들로 나타났다. 본 논문이 갖는 정책적인 함의는 항만정책입안자들이 본 연구에서 사용한 두 가지 모형을 항만의 클러스터링에 도입하여 해당항만이 발전할 수 있는 전략을 수립하고 이행해 나가야만 한다는 점이다. The purpose of this paper is to show the clustering trend by using the variable group benchmarking(VGB) and categorical variable(CV) models for 38 Asian ports during 9 years(2001-2009) with 4 inputs(birth length, depth, total area, and number of crane) and 1 output (container TEU). The main empirical results of this paper are as follows. First, clustering results by using VGB show that Shanghai, Qingdao, and Ningbo ports took the core role for clustering. Second, CV analysis focusing on the container throughputs indicated that Singapore, Keelong, Dubai, and Kaosiung ports except Chinese ports are appeared as the center ports of clustering. Third, Aqaba, Dubai, Hongkong, Shanghai, Guangzhou, and Ningbo ports are recommended as the efficient ports for the target of clustering. Fourth, when the ports are classified by the regional location, Dubai, Khor Fakkan, Shanghai, Hongkong, Keelong, Ningbo, and Singapore ports are the core ports for clustering. On the whole, other ports located in Asia should be clustered to Dubai, Khor Fakkan, Shanghai, Hongkong, Ningbo, and Singapore ports. The policy implication of this paper is that Korean port policy planner should introduce the VGB model, and CV model for clustering among the international ports for enhancing the efficiency of inputs and outputs.

An Enhanced Density and Grid based Spatial Clustering Algorithm for Large Spatial Database

김호석,김경배,배해영,Gao, Song,Kim, Ho-Seok,Xia, Ying,Kim, Gyoung-Bae,Bae, Hae-Young 한국정보처리학회 2006 정보처리학회논문지D Vol.13 No.5

Spatial clustering, which groups similar objects based on their distance, connectivity, or their relative density in space, is an important component of spatial data mining. Density-based and grid-based clustering are two main clustering approaches. The former is famous for its capability of discovering clusters of various shapes and eliminating noises, while the latter is well known for its high speed. Clustering large data sets has always been a serious challenge for clustering algorithms, because huge data set would make the clustering process extremely costly. In this paper, we propose an enhanced Density-Grid based Clustering algorithm for Large spatial database by setting a default number of intervals and removing the outliers effectively with the help of a proper measurement to identify areas of high density in the input data space. We use a density threshold DT to recognize dense cells before neighbor dense cells are combined to form clusters. When proposed algorithm is performed on large dataset, a proper granularity of each dimension in data space and a density threshold for recognizing dense areas can improve the performance of this algorithm. We combine grid-based and density-based methods together to not only increase the efficiency but also find clusters with arbitrary shape. Synthetic datasets are used for experimental evaluation which shows that proposed method has high performance and accuracy in the experiments. 공간 데이터마이닝 분야에서 객체간의 거리, 연결성, 상대적인 밀도를 기반으로 비슷한 객체들을 하나의 그룹으로 묶는 공간 클러스터링은 중요한 컴포넌트이다. 공간 클러스터링 알고리즘은 밀도 기반 클러스터링과 격자 기반 클러스터링 알고리즘 등으로 나눌 수 있다. 밀도 기반 클러스터링 알고리즘은 다양한 모양과 크기의 클러스터를 구분할 수 있으며, 잡음을 제거할 수 있는 장점을 가지고 있는 반면에, 격자 기반 클러스터링 처리속도가 빠르다는 장점을 가지고 있다. 하지만, 대량의 공간 데이터 집합을 클러스터링 하는 것은 데이터 처리 비용이 급격하게 증가하기 때문에 클러스터링 처리 결과에 큰 영향을 준다. 본 논문은 대용량의 공간 데이터베이스에서 공간 객체간의 고밀도 영역을 식별하여 잡음을 제거하기 위한 수치데이터 값과 기본 격자간격 개수를 정의하는 확장된 밀도-격자 기반 클러스터링 알고리즘을 제안한다. 제안 알고리즘은 고밀도 영역 식별을 위하여 threashold(DT)를 정의하였으며, 격자 및 밀도 기반 기법의 장점을 이용하여 임의의 객체 클러스터링을 식별할 수 있는 성능을 향상시켰다. 성능평가에서 기존의 클러스터링 알고리즘과의 다양한 비교 평가 실험을 통하여, 제안 알고리즘이 빠르고 정확한 데이터 클러스터링 결과를 나타냄을 보인다.

가변 그룹 벤치마킹 모형과 범주형 변수모형을 이용한 아시아 컨테이너항만의 클러스터링측정 및 추세분석에 관한 실증적 연구

박노정,Park, Rokyung 한국항만경제학회 2013 韓國港灣經濟學會誌 Vol.29 No.1

본 논문에서는 아시아 항만들 간의 클러스터링 추세를 분석하기 위해서 가변그룹벤치마킹모형과 범주형 변수모형에 대해서 이론적으로 설명하고, 아시아 38개 항만들의 9 년간 자료를 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수), 1개의 산출요소(컨테이너화물처리량)를 이용하여 특정국가의 항만그룹 또는 특정항만을 대상으로 클러스터링 하는 방법을 실증적으로 보여 주고 분석하였다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 가변그룹벤치마킹모형에 의한 중국항만을 벤치마킹하는 경우의 클러스터링 추세분석을 측정한 결과를 보면, 상해항, 청도항, 닝보항의 클러스터링 역할이 커진 것으로 나타났다. 둘째, 컨테이너화물처리량을 중심으로 한 범주형 변수모형에 의한 클러스터링 추세분석 결과를 살펴보면 중국이외의 항에서는 싱가포르항, 키롱항, 두바이항, 카오슝항이 클러스터링의 중심항만들로 나타났다. 셋째, 아카바, 두바이, 홍콩,상하이, 광저우, 닝보 항만들이 지역적으로 근접한 항만들끼리 클러스터링을 위해서 기본이 되는 효율적인 항만들로 나타났다. 넷째, 지역별 항만의 위치를 중심으로 한 범주형변수모형에 의한 클러스터링의 측정한 결과를 살펴보면, 두바이항과 코르파칸항, 홍콩항과 상하이항, 싱가포르항과 키롱항, 닝보항, 클러스터링의 중심항만이 되고 있는 추세를 보여 주었다. 전체적으로 보았을 때, 두바이항, 코르파칸항, 상하이항, 홍콩항, 닝보항, 싱가포르항 등이 아시아 항만들과 클러스터링을 해야만 하는 항만들로 나타났다. 본 논문이 갖는 정책적인 함의는 항만정책입안자들이 본 연구에서 사용한 두 가지 모형을 항만의 클러스터링에 도입하여 해당항만이 발전할 수 있는 전략을 수립하고 이행해 나가야만 한다는 점이다. The purpose of this paper is to show the clustering trend by using the variable group benchmarking(VGB) and categorical variable(CV) models for 38 Asian ports during 9 years(2001-2009) with 4 inputs(birth length, depth, total area, and number of crane) and 1 output(container TEU). The main empirical results of this paper are as follows. First, clustering results by using VGB show that Shanghai, Qingdao, and Ningbo ports took the core role for clustering. Second, CV analysis focusing on the container throughputs indicated that Singapore, Keelong, Dubai, and Kaosiung ports except Chinese ports are appeared as the center ports of clustering. Third, Aqaba, Dubai, Hongkong, Shanghai, Guangzhou, and Ningbo ports are recommended as the efficient ports for the target of clustering. Fourth, when the ports are classified by the regional location, Dubai, Khor Fakkan, Shanghai, Hongkong, Keelong, Ningbo, and Singapore ports are the core ports for clustering. On the whole, other ports located in Asia should be clustered to Dubai, Khor Fakkan, Shanghai, Hongkong, Ningbo, and Singapore ports. The policy implication of this paper is that Korean port policy planner should introduce the VGB model, and CV model for clustering among the international ports for enhancing the efficiency of inputs and outputs.

컨텍스트의존 모형 및 측정특유 모형을 이용한 아시아항만들의 클러스터링 측정 및 추세분석에 관한 실증적 연구

박노경(Rokyung Park) 한국항만경제학회 2012 韓國港灣經濟學會誌 Vol.28 No.1

본 논문에서는 아시아 항만들 간의 클러스터링 추세를 분석하기 위해서 첫째, 기존연구에서는 다루지 못한 새로운 방법인 컨텍스트의존모형과 측정특유모형에 대해서 이론적으로 설명하였으며, 둘째, 컨텍스트의존모형에 의한 항만들의 매력도와 진전도 측정방법 및 실제적용, 셋째, 아시아 38개 항만들의 10년간 자료를 4개의 투입요소(선석길이, 수심, 총면적, 크레인수), 1개의 산출요소(컨테이너화물처리량)를 이용하여 효율성의 단계별로 효율적인 항만들을 대상으로 클러스터링하는 방법을 실증적으로 보여 주고 분석하였다. 또한 매력도, 진전도, 벤치마킹쉐어의 측정방법도 보여 주었다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 2009년도 자료를 이용한 매력도측정결과는 Degree 1부터 Degree 7까지의 각 Degree별 랭킹을 살펴보면, 광저우항, 두바이항, 홍콩항, 닝보항, 상하이항의 순서였다. 둘째, 2009년도 단계1에 속한 항만들의 등급별 진전도를 측정한 결과를 보면, 베이루트항, 포트술탄항, 아덴항과 같이 낮은 등급의 점수에 해당하는 항만들은 그 전 등급의 항만을 벤치마킹해야만 한다. 셋째, 효율적인 항만들의 벤치마킹 쉐어에 대한 측정결과를 보면, 두바이항(선석길이), 홍콩항(수심, 총면적, 크레인수)이 다른 비효율적인 항만들의 효율성에 미친 영향이 큰 것으로 나타났다. 넷째, 컨텍스트의 존모형과 측정특유모형에 의한 클러스터링 결과는 동일하게 나타났다. 그 가장 큰 이유는 투입-산출자료의 특성 때문이라고 판단된다. 다섯째, 10년동안의 클러스터링 추세를 분석결과는 다음과 같다. ① 가장 효율적인 단계(1단계, 2단계)의 클러스터링은 홍콩항, 상하이항, 싱가포르항. 닝보항, 광저우항, 카오슝항으로 나타났다. ② 효율적인 단계(2단계, 3단계)의 클러스터링은 두바이항, 크호르 파칸항, 첸나이항, 부산항, 콜롬보항, 키롱항, 탄중펠프스항으로 나타났다. ③ 중정도의 효율적인 단계(4단계, 5단계, 6단계)의 클러스터링은 사히드 라자이항, 탄중프리옥항, 하이파항, 탄중퍼락항, 토쿄항, 요코하마항, 코베항, 나고야항, 오사카항, 인천항, 카라치항, 마닐라항, 방콕항, 담만항으로 나타났다. ④ 하위의 효율적인 단계(7단계, 8단계)의 클러스터링은 포트술탄카부스항, 제다항, 아덴항으로 나타났다. ⑤ 효율적인 단계로 진전되어 클러스터링된 항은 닝보항, 첸나이항, 탄중펠프스항으로 나타났다. 본 논문이 갖는 정책적인 함의는 항만정책입안자들은 컨텍스트의존모형과 측정특유모형을 항만의 클러스터링에 도입하여 해당항만이 발전할 수 있는 전략을 수립하고 이행해 나가야만 한다는 점이다. The purpose of this paper is to show the clustering trend by using the context-dependent and measure-specific models for 38 Asian ports during 10 years(2001-2009) with 4 inputs and 1 output. The main empirical results of this paper are as follows. First, clustering results by using context-dependent and measure-specific models are same. Second, the most efficient clustering was shown among the Hong Kong, Singapore, Ningbo, Guangzhou, and Kaosiung ports. Third, Port Sultan Qaboos, Jeddah, and Aden ports showed the lowest level clustering. Fourth, ranking order of attractiveness is Guangzhou, Dubai, HongKong, Ningbo, and Shanghai, and the results of progressive scores confirmed that low level ports can increase their efficiency by benchmarking the upper level ports. Fifth, benchmark share showed that Dubai(birth length), and HongKong(port depth, total area, and no. of cranes) have affected the efficiency of the inefficient ports.

계층적 군집분석(최단, 최장, 평균, 중앙연결)방법에 의한 아시아 컨테이너 항만의 클러스터링 측정 및 실루엣방법과 2단계(Type II) 교차효율성 메트릭스 군집모형을 이용한 실증적 검증에 관한 연구

박노경(Park, Ro-Kyung) 한국항만경제학회 2021 韓國港灣經濟學會誌 Vol.37 No.1

본 논문에서는 계층적 군집모형(최단, 최장, 평균, 중앙연결), 실루엣방법, 2단계(Type II) 교차효율성 메트릭스 군집모형으로, 아시아 38개 컨테이너항만 들의 2009년부터 2018년까지의 자료와 선석길이, 수심, 총면적, 크레인 수를 투입물, 컨테이너화물처리량을 산출물로 하여 국내대표 컨테이너항만 들(부산, 인천, 광양항)이 클러스터링 해야만 하는 항만들을 적출해 내는 측정방법을 보여 주고 비교, 분석, 검증하였다. 실증분석의 주요한 결과는 다음과 같다. 첫째, 10년간의 자료를 이용한 분석에서 클러스터링 후의 효율성의 증가가 큰 순서대로 살펴보면 실루엣(0.4052 증가), 계층적 군집분석(0.3097 증가), 2단계(Type II) 교차효율성(0.1057 증가)의 순서로 나타났다. 둘째, 실루엣모형과 2단계(Type II)교차효율성 모형에 의한 국내항만들의 클러스터링을 살펴보면 부산항은 8번(두바이), 11번(홍콩), 17번(탄중프리옥)항과 클러스터링 되고, 인천항과 광양항은 대부분의 항만들과 클러스터링 해야만 하는 것으로 나타났다. 셋째, 윌콕슨 부호순위 검정결과를 보면 평균적으로 보았을 때, P값(유의확율)이 평균 0.852 수준에서 모형들의 평균효율성 수치에 의한 순위가 서로 일치함을 보여 주었다. 넷째, 정치경제학적인 측면에서 아세안 항만들과 국내 항만들과 가장 클러스터링 횟수가 많은 항만들을 살펴보면, 부산항은 싱가포르 항만, 인천항은 탄중프리옥, 탄중퍼락, 마닐라,다바오,방콕항만, 광양항은 탄중프리옥, 탄중퍼락, 포트 클랑, 마닐라, 싱가포르, 림찬방, 방콕항만들과 클러스터링 하는 것이 좋을 것으로 나타났다. 또한 중국과 일본의 항만들과의 클러스터링을 고려해 보면, 부산항은 홍콩, 상해, 광저우, 도쿄 요코하마, 고베, 나고야, 오사카항, 인천항은 닝보, 칭타오, 도쿄, 요코하마, 고베, 나고야, 오사카항, 광양항은 홍콩, 상해, 도쿄 요코하마, 고베, 나고야, 오사카 항들과 클러스터링 하는 것이 좋은 것으로 나타났다. 다섯째, 본 연구에서 사용한 모형들과 기존연구들과의 타 모형들과의 검증에서는 실루엣 모형이 가장 크게 효율성을 증진시키는 것으로 검증되었다. 본 논문이 제안하고 있는 정책적인 측면의 의미는 항만정책입안자, 항만운영관리자들이 본 연구에서 사용한 모형들을 항만의 클러스터링에 도입하여 벤치마킹항만들을 선정해야만 하고, 그들 항만들의 항만개발, 운영방안 등에 대한 내용을 비교·분석하고 벤치마킹이 필요한 부분은 신속하게 도입하여 실시하는 것이 필요하다는 점이다. The purpose of this paper is to measure the clustering change and analyze empirical results, and choose the clustering ports for Busan, Incheon, and Gwangyang ports by using Hierarchical clustering(single, complete, average, and centroid), Silhouette, and 2SCE[the Second Stage(Type II) cross-efficiency] matrix clustering models on Asian container ports over the period 2009-2018. The models have chosen number of cranes, depth, birth length, and total area as inputs and container TEU as output. The main empirical results are as follows. First, ranking order according to the efficiency increasing ratio during the 10 years analysis shows Silhouette(0.4052 up), Hierarchical clustering(0.3097 up), and 2SCE(0.1057 up). Second, according to empirical verification of the Silhouette and 2SCE models, 3 Korean ports should be clustered with ports like Busan Port[ Dubai, Hong Kong, and Tanjung Priok], and Incheon Port and Gwangyang Port are required to cluster with most ports. Third, in terms of the ASEAN, it would be good to cluster like Busan (Singapore), Incheon Port (Tanjung Priok, Tanjung Perak, Manila, Tanjung Pelpas, Leam Chanbang, and Bangkok), and Gwangyang Port(Tanjung Priok, Tanjung Perak, Port Kang, Tanjung Pelpas, Leam Chanbang, and Bangkok). Third, Wilcoxon"s signed-ranks test of models shows that all P values are significant at an average level of 0.852. It means that the average efficiency figures and ranking orders of the models are matched each other. The policy implication is that port policy makers and port operation managers should select benchmarking ports by introducing the models used in this study into the clustering of ports, compare and analyze the port development and operation plans of their ports, and introduce and implement the parts which required benchmarking quickly.

공간데이타 마이닝을 위한 효율적인 그리드 셀 기반 공간 클러스터링 알고리즘

문상호,이동규,서영덕,Moon, Sang-Ho,Lee, Dong-Gyu,Seo, Young-Duck 한국정보처리학회 2003 정보처리학회논문지D Vol.10 No.4

대용량의 공간데이터베이스로부터 암시적이고 유용한 지식을 자동적으로 추출하는 공간데이터 마이닝은 데이타 양이 급격히 증가하면서 필요성이 더욱 증대되고 있다. 공간데이터 마이닝에서 데이타를 분석하여 유사한 그룹으로 분류하는 공간 클러스터링은 매우 중요한 분야이다. 기존 연구에서 공간 클러스터링을 위한 여러 가지 알고리즘들이 제시되었지만, 다음과 같은 문제점들이 있다. 먼저 클러스터링을 위하여 객체들 간의 거리론 기반으로 하므로 데이타 양이 많아질수록 계산 비용이 커진다. 또한, 메모리 상주 데이타를 대상으로 하므로 대용량의 데이타인 경우에 효율이 떨어진다. 본 논문에서는 공간데이터 마이닝을 위하여 그리드 셀을 기반으로 한 효율적인 공간 클러스터링 방법을 제시한다. 이 클러스터링에서는 기존 공간 클러스터링 기법들의 문제점을 해결하는데 중점을 둔다. 세부적으로 공간 클러스터링의 효율성을 높이기 위하여 클러스터링시에 발생하는 비용(계산량)을 감소시키는 것이다. 이를 위해서 공간지역성을 보장하는 대표적인 공간분할 방법인 그리드 셀을 기반으로 한 공간 클러스터링 기법을 제시한다. Spatial data mining, i.e., discovery of interesting characteristics and patterns that may implicitly exists in spatial databases, is a challenging task due to the huge amounts of spatial data. Clustering algorithms are attractive for the task of class identification in spatial databases. Several methods for spatial clustering have been presented in recent years, but have the following several drawbacks increase costs due to computing distance among objects and process only memory-resident data. In this paper, we propose an efficient grid cell based spatial clustering method for spatial data mining. It focuses on resolving disadvantages of existing clustering algorithms. In details, it aims to reduce cost further for good efficiency on large databases. To do this, we devise a spatial clustering algorithm based on grid ceil structures including cell relationships.

다목적 유전자 알고리즘을 이용한문서 클러스터링

이정송(Jung Song Lee),박순철(Soon Cheol Park) 한국산업정보학회 2012 한국산업정보학회논문지 Vol.17 No.2

본 논문에서는 텍스트 마이닝 분야에서 중요한 부분을 차지하고 있는 문서 클러스터링을 위하여 다목적 유전자 알고리즘을 제안한다. 문서 클러스터링에 있어 중요한 요소 중 하나는 유사한 문서를 그룹화 하는 클러스터링 알고리즘이다. 지금까지 문서 클러스터링에는 k-means 클러스터링, 유전자 알고리즘 등을 사용한 연구가 많이 진행되고 있다. 하지만 k-means 클러스터링은 초기 클러스터 중심에 따라 성능 차이가 크며 유전자 알고리즘은 목적 함수에 따라 지역 최적해에 쉽게 빠지는 단점을 갖고 있다. 본 논문에서는 이러한 단점을 보완하기 위하여 다목적 유전자 알고리즘을 문서 클러스터링에 적용해 보고, 기존의 알고리즘과 정확성을 비교 및 분석한다. 성능 시험을 통해 k-means 클러스터링(약 20%)과 기존의 유전자 알고리즘(약 17%)을 비교할 때 본 논문에서 제안한 다목적 유전자 알고리즘의 성능이 월등하게 향상됨을 보인다. In this paper, the multi-objective genetic algorithm is proposed for the document clustering which is important in the text mining field. The most important function in the document clustering algorithm is to group the similar documents in a corpus. So far, the k-means clustering and genetic algorithms are much in progress in this field. However, the k-means clustering depends too much on the initial centroid, the genetic algorithm has the disadvantage of coming off in the local optimal value easily according to the fitness function. In this paper, the multi-objective genetic algorithm is applied to the document clustering in order to complement these disadvantages while its accuracy is analyzed and compared to the existing algorithms. In our experimental results, the multi-objective genetic algorithm introduced in this paper shows the accuracy improvement which is superior to the k-means clustering(about 20 %) and the general genetic algorithm (about 17 %) for the document clustering.

협업적 여과 시스템의 성능 향상을 위한 장르 패턴 기반 사용자 클러스터링

최자현(Ja-Hyun Choi),하인애(In-Ay Ha),홍명덕(Myung-Duk Hong),조근식(Geun-Sik Jo) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.11

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 아이템을 추천한다. 그러나 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 아이템이 피드백 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 영화 추천 시스템에서의 사용자 클러스터링의 재구축 시간을 단축시키기 위해서 빈발 패턴 네트워크를 이용하여 사용자가 선호하는 장르 패턴을 추출하고, 추출된 패턴을 통해 사용자 클러스터링을 구축한다. 구축된 사용자 클러스터링을 협업적 여과에 적용하여 사용자에게 영화를 추천한다. 사용자 정보가 피드백 될 때, 전통적 협업적 여과는 사용자 클러스터링을 재구축하기 위해 모든 이웃 사용자를 재탐색하여 클러스터링 한다. 하지만 빈발 패턴 네트워크를 이용하여 장르 패턴 기반의 사용자 클러스터링을 적용한 협업적 여과는 사용자 클러스터링을 재구축시 사용자 탐색 공간을 국한시킴으로써 탐색 시간을 줄일 수 있다. 제안하는 장르 패턴기반의 사용자 클러스터링을 통해 사용자 정보가 피드백 된 후 사용자 클러스터를 재구축시 소요되는 시간을 줄일 수 있고, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다. Collaborative filtering system is the clustering about user is built and then based on that clustering results will recommend the preferred item to the user. However, building user clustering is time consuming and also once the users evaluate and give feedback about the film then rebuilding the system is not simple. In this paper, genre pattern of movie recommendation systems is being used and in order to simplify and reduce time of rebuilding user clustering. A Frequent pattern networks is used and then extracts user preference genre patterns and through that extracted patterns user clustering will be built. Through built the clustering for all neighboring users to collaborative filtering is applied and then recommends movies to the user. When receiving user information feedback, traditional collaborative filtering is to rebuild the clustering for all neighbouring users to research and do the clustering. However by using frequent pattern Networks, through user clustering based on genre pattern, collaborative filtering is applied and when rebuilding user clustering inquiry limited by search time can be reduced. After receiving user information feedback through proposed user clustering based on genre pattern, the time that need to spent on re-establishing user clustering can be reduced and also enable the possibility of traditional collaborative filtering systems and recommendation of a similar performance.